saaaaa人工智能(存儲(chǔ)版)
【正文】 交配的建立和CEA實(shí)驗(yàn)室直接進(jìn)行的，因?yàn)樵谶@些建立中只有一個(gè)種群。在我們實(shí)驗(yàn)中，我們改變遷徙時(shí)間間隔，遷徙尺寸。該Multikulti配置被標(biāo)記為“MK1”到“MK5”。Ⅴ 結(jié)果窗體頂端在本文中，我們測(cè)試了1個(gè)隨機(jī)交配的配置，有使用的是“最好的選擇”選擇方案的孤島模型的5個(gè)配置，使用Multikulti算法5個(gè)島模型配置，和6個(gè)使用細(xì)胞EA的配置。純39。有趣的是，注意到有更多島嶼的配置超過(guò)20代后在表型多樣性方面表現(xiàn)的更好。CEA配置CEA2和CEA3在第11和13代附近出現(xiàn)了一個(gè)一般多樣性的峰值。窗體頂端在我們的介紹中，我們提到，本文是關(guān)于在EvoArt中種群的多樣性系列中第二篇。在圖5中，我們?cè)诿恳粋€(gè)配置的最后一代（第20代）呈現(xiàn)了一個(gè)正?；牡梅?。當(dāng)我們看的基因型多樣性的進(jìn)展超過(guò)20代時(shí)，我們看到以下現(xiàn)象。這些步驟由遷移時(shí)間間隔引起的，以及每個(gè)步驟的長(zhǎng)度對(duì)應(yīng)于遷移間隔的長(zhǎng)度（或3或5）。當(dāng)使用IM時(shí)，用Multikulti的IM或CEA，表型多樣性要么保持相同（如在Multikulti配置MK4和MK5），或慢慢地減?。∕K1，MK2，MK3，IM3和IM5）。在我們的CEA實(shí)驗(yàn)4和5（cea4，cea5，見(jiàn)表5），我們分別使用328和644的布局。距離是使用Stricker和Orengo 圖像距離函數(shù)（見(jiàn)IVB）來(lái)計(jì)算。為了對(duì)比自定義的基因操作和結(jié)構(gòu)化種群的使用，我們?cè)谝粋€(gè)隨機(jī)交配EA中用這些自定義的基因操作（我們稱這個(gè)配置為Pan2）做了另一個(gè)實(shí)驗(yàn)?；蛐投鄻有院捅硇投鄻有酝ㄟ^(guò)計(jì)算每個(gè)個(gè)體間的平均基因型距離（用在IVA所描述的我們的基因型距離函數(shù)）計(jì)算出來(lái)。計(jì)算需要多個(gè)步驟，詳見(jiàn)[20]。這個(gè)函數(shù)dso計(jì)算了兩個(gè)圖像Ia和Ib的距離通過(guò)計(jì)算兩個(gè)圖像的特征向量va和vb，窗體底端其中N是圖像的特征數(shù)量（在我們的實(shí)現(xiàn)中，N=12，看表Ⅰ上的12個(gè)圖像）。該度量由表達(dá)式節(jié)點(diǎn)的節(jié)點(diǎn)比較執(zhí)行節(jié)點(diǎn)，計(jì)算兩個(gè)表達(dá)式樹(shù)之間的距離。為表示樹(shù)（IVA部分）我們用Ek180。一個(gè)CEA有一個(gè)特定形式的結(jié)構(gòu)種群，例如，一維線，二維環(huán)，或2D網(wǎng)格（平坦或環(huán)狀的）。一些研究人員已經(jīng)報(bào)道了用IM所得的有希望的結(jié)果，但使用的IM附帶額外的復(fù)雜性。Ⅲ 結(jié)構(gòu)化種群窗體頂端在一個(gè)規(guī)范的EA中個(gè)人的選擇為交叉和變異通常是涉及整個(gè)種群的，這就是所謂的隨機(jī)交配模型。Araujo和Merelo用喜歡“不同的”個(gè)體交換（相對(duì)于在傳統(tǒng)的個(gè)體被交換的策略）擴(kuò)展了標(biāo)準(zhǔn)孤島模型EA；他們命名他們的算法M為ultikulti算法[3]。Ⅱ相關(guān)工作窗體頂端在EC中維持種群的多樣性是一個(gè)重要的話題，關(guān)于這個(gè)專題的文獻(xiàn)是廣泛的。在以往的工作中，我們調(diào)查了自定義交叉，變異和初始化對(duì)人口密度的影響。出于這個(gè)原因，我們認(rèn)為，人口的多樣性是一個(gè)重要的問(wèn)題在監(jiān)督和無(wú)監(jiān)督的進(jìn)化藝術(shù)中。組合創(chuàng)意是通過(guò)組合現(xiàn)有想法以意想不到的方式創(chuàng)造新意的過(guò)程。種群多樣性的喪失會(huì)導(dǎo)致效率低下的搜索行為，并可能導(dǎo)致過(guò)早收斂。）在我們的孤島模型實(shí)驗(yàn)中，我們使用了不同的參數(shù)來(lái)設(shè)置島嶼的數(shù)目，島的規(guī)模，遷移間隔，遷移大小和初始化方法。為了達(dá)到這個(gè)目的，我們用使用了隨機(jī)交配模型的美化圖片的無(wú)監(jiān)督進(jìn)化（在這循環(huán)中未使用人類）進(jìn)行了幾個(gè)實(shí)驗(yàn)，其中這個(gè)模型是一個(gè)分布式孤島模型（一個(gè)最優(yōu)選擇模式和一個(gè)目標(biāo)算法。人口的多樣性是在群體中個(gè)體差異的數(shù)量，并且在一般的EC和EvoArt中是特別重要。Margaret Boden描述了三個(gè)方面的創(chuàng)新：組合，探索和有變革性的創(chuàng)意。需要探索任務(wù)中EvoArt系統(tǒng)連續(xù)大種群的多樣性，既為無(wú)監(jiān)督EvoArt系統(tǒng)和IEC EvoArt系統(tǒng)。本文是在一系列維持人口多樣性進(jìn)化藝術(shù)方面中第
化學(xué)相關(guān)推薦
鄂ICP備17016276號(hào)-1